ABSTRAKSI: Di dunia ini, robot masih menjadi topik bahasan yang menarik yang dapat dieksploitasi seluas mungkin. Penggunaan kecerdasan buatan atau Artificial Intelligence salah satunya. Kontes Robot Indonesia (KRI) dan Kontes Robot Cerdas Indonesia (KRCI) setiap tahunnya diadakan oleh Direktorat Pendidikan Indonesia yang bertujuan untuk meningkatkan mutu pendidikan. Acara tahunan ini dijadikan sebagai media untuk menyalurkan minat dan bakat mahasiswa di bidang teknologi robotika. Salah satu katagori yang dilombakan ialah Robot Cerdas Pemadam Api. Robot ini berfungsi sebagai pencari lokasi sumber api dan kemudian bertugas untuk memadamkannya serta kembali ke posisi startnya.
Pada kenyataannya, dalam beberapa waktu terakhir ini, masalah pengenalan ruangan atau biasa disebut mapping pada robot telah menyita perhatian banyak peneliti. Hal ini disebabkan karena masalah mapping seringkali menjadi suatu masalah rumit karena keterbatasan yang dimiliki sensor robot dalam mendapatkan informasi dari lingkungannya. Karena hal tersebut maka penulis berusaha untuk menawarkan penyelesaian dalam bentuk simulasi implementasi algoritma Reinforcement Learning, khususnya Q-Learning untuk pemetaan ruangan serta pencarian jalur tercepat (fastest path).Kata Kunci : robot, Reinforcemet Learning, Q-Learning, mapping, fastest path, simulasi.ABSTRACT: In this world, robot is still be an interest topic that can be exploited as widely as possible. The use of Artificial Intelligence is one of them. Kontes Rotot Indonesia – Kontes Robot Cerdas Indonesia held annually by the Directorete of Education Indonesia that aims to improve the quality of education. This annual event is used as a medium channel the interest and talents of students in the field of robotics technology. One of the contested category is Fire Fighting Robot Contest. This ribot serves as a resource locator of fire and then served to extinguish it and return to the their position start.
In fact, in recent time, the mapping problem has seized the attention of many researchers. This is because the mapping problem often becomes a complicated problem because of the limitations of the robot sensors in obtaining information from the environment. Because it is the writer is trying to offer the form of simulated implementation of Reinforcement Learning algorithm called Q-learning for mapping the room and search the fastest path.Keyword: robot, Reinforcemet Learning, Q-Learning, mapping, fastest path, simulation